mengenali perilaku dan kepribadian manusia berdasarkan
TRANSCRIPT
JURNAL INFORMATIKA Vol 6, No. 1, Januari 2012
589
MENGENALI PERILAKU DAN KEPRIBADIAN MANUSIA
BERDASARKAN POLA SIDIK JARI MENGGUNAKAN
JARINGAN SYARAF TIRUAN
Dian Analis, Emy Setyaningsih
Program Studi Sistem Komputer
Institut Sains Teknologi AKPRIND Yogyakarta
Jln. Kalisahak No 28 Komplek Balapan, Yogyakarta, Telp. +62-274-563029,
e-mail : [email protected]
Abstrak
Dewasa ini disiplin ilmu mengenai kecerdasan buatan berkembang pesat
melaju bersama kecepatan perkembangan teknologi komputer. Kecerdasan buatan
yang dimaksudkan adalah membuat suatu sistem agar komputer bisa berfikir layaknya
manusia. Salah satu implementasi kecerdasan buatan adalah pengenalan pola sidik
jari, dimana proses pengenalan pola itu sendiri dilakukan dengan melatih komputer
agar komputer mempelajari suatu bentuk pola yang dimasukkan dan mampu untuk
mengenali bentuk pola yang akan diujikan. Sebagai contoh implementasi pengenalan
pola adalah pada bidang psikologi, dimana bentuk pola sidik jari seseorang dapat
digunakan untuk mengenali perilaku dan kepribadiannya. Dalam makalah ini penulis
mengimplementasikan jaringan syaraf tiruan untuk mengenali perilaku dan
kepribadian seseorang berdasarkan pola sidik jari dengan menggunakan metode
forward chaining. Sistem ini mampu menganalisis kombinasi pola sidik jari vortex
atau sinus berdasarkan pengujian menggunakan jaringan syaraf tiruan dengan
prosentase dikenali pola sinus atau vortex lebih besar dari 50%, apabila prosentase
terkenali sebagai pola sinus lebih besar daripada prosentase pola vortex, maka pola
sidik jari akan terkenali sebagai pola sinus, begitu juga sebaliknya. Selanjutnya
aplikasi ini akan menganalisis kombinasi pola sidik jari dengan mencocokkan
berdasarkan pohon keputusan, dimana terdapat 32 kombinasi sidik jari yang dikenali
untuk menentukan perilaku dan kepribadian dari user. Dalam aplikasi ini terdapat 3
macam informasi yang dapat disajikan yaitu, informasi tentang kepribadian,
keberuntungan dan perhatian dengan menggunakan software Delphi 6. Keakuratan
proses konsultasi kepribadian pada aplikasi ini sangat tergantung pada input citra
sidik jari yang dilakukan oleh pengguna (user).
Kata Kunci : KecerdasanBuatan, Pengenalan Pola, Forward Chaining, Sidik Jari,
Sinus, Vortex, Kepribadian.
1. PENDAHULUAN
Dewasa ini disiplin ilmu mengenai kecerdasan buatan berkembang pesat melaju
bersama kecepatan perkembangan teknologi komputer. Kecerdasan buatan yang
JURNAL INFORMATIKA Vol 6, No. 1, Januari 2012
590
dimaksudkan adalah membuat suatu sistem supaya komputer bisa berfikir layaknya
manusia. Misalnya kemampuan otak manusia dalam mengenali sidik jari milik
seseorang dapat dilakukan oleh komputer. Proses pengenalan pola itu sendiri dilakukan
dengan melatih komputer agar komputer mempelajari suatu bentuk pola yang
dimasukkan dan mampu untuk mengenali bentuk pola yang akan diujikan. [1].
Salah satu contoh implementasi dari pengenalan pola sidik jari adalah di dunia
kepolisian, sidik jari digunakan untuk proses identifikasi pelaku kasus kriminalitas.
Keakuratan sidik jari dalam memecahkan persoalan kriminal sudah dibuktikan
bertahun-tahun yang lalu, karena tidak satupun sidik jari manusia di dunia ini yang
kembar. Selain itu, ternyata sidik jari tidak hanya bermanfaat di dunia kepolisian, tetapi
juga di kalangan psikolog. Kombinasi pola sidik jari yang dikenali ini dapat digunakan
untuk mengetahui kepribadian seseorang karena sidik jari tiap orang berbeda-beda dan
tidak berubah sepanjang hidupnya.[2]
Pada makalah ini akan mengidentifikasikan citra digital berupa gambar sidik jari
sehingga ditemukan bentuk pola sidik jari yang dapat digunakan untuk mengetahui
kepribadian dan perilaku seseorang yang merupakan pengembangan dari penelitian dari
Setyaningsih[3]. Bentuk pola sidik jari yang digunakan adalah 2 bentuk pola dari 3
bentuk pola sidik jari manusia. Bentuk pola yang digunakan adalah bentuk pola vortek
dan sinus pada kelima jari tangan kanan wanita dan kelima jari tangan kiri pria, yang
selanjutnya kombinasi pola yang didapatkan tersebut digunakan untuk mengenali
perilaku dan kepribadian seseorang menggunakan metode penalaran maju (forward
chaining). Sedangkan bentuk pola arcus tidak digunakan untuk mengenali perilaku dan
kepribadian seseorang, karena hanya terdapat pada manusia purba. Menurut teori
evolusi pola arcus berevolusi ke pola sinus dan terus menerus ke pola vortex.[2]
1.1. Citra Digital
Citra digital merupakan suatu matriks yang terdiri dari baris )(x dan kolom )(y ,
dimana setiap pasangan indeks baris dan kolom menyatakan suatu titik pada citra yang
diimplementasikan dalam koordinat ( )yxf , . Nilai matriksnya menyatakan nilai
kecerahan titik tersebut. Titik-titik tersebut dinamakan sebagai elemen citra atau piksel
(picture element). Citra yang terlihat merupakan cahaya yang direfleksikan dari sebuah
objek. Fungsi ( )yxf , dapat dilihat sebagai fungsi dengan dua unsur. Unsur yang pertama
merupakan kekuatan sumber cahaya yang melingkupi pandangan kita terhadap objek
(illumination). Unsur yang kedua merupakan besarnya cahaya yang direfleksikan oleh
objek ke dalam pandangan kita (reflectance components). Keduanya dituliskan sebagai
fungsi ( )yxi , dan ( )yxr , yang digabungkan sebagai perkalian fungsi untuk membentuk
fungsi ( )yxf , . Fungsi � �yxf , dapat dituliskan dengan persamaan : ( ) ( ) ( )yxryxiyxf ,,, = [4]
1.2. Pendeteksian Tepi
Yang dimaksud dengan tepi(edge) adalah perubahan nilai inensitas derajad
keabuan yang mendadak (besar) dalam jarak yang singkat, erbedaan intensitas inilah
yang menampakkan rincian pada gambar. Tujuan dari pendeteksian tepi adalah untuk
meningkatkan penampakan garis batas suatu daerah atau objek di dalam citra, sehingga
bentuk lekukan garis-garis pada sidik jari akan lebih terlihar jelas agar dapat ditentukan
jenisnya. Dengan cara menentukan lokasi titik-titik yang merupakan tepi objek. Banyak
JURNAL INFORMATIKA Vol 6, No. 1, Januari 2012
591
bentuk mask yang dapat dipakai dalam operasi ini, misalnya operator Robert, Prewitt,
Sobel, Canny, Laplacian, dan Laplacian Gaussian. Konvolusi dengan mask tadi
digunakan untuk menghitung keabuan atau warna hasil.
Pencarian tepi dapat dilakukan dengan menghitung selisih atau deferensi antara 2
buah titik yang bertetangga, sehingga diperoleh nilai gradian (turunan order pertama)
citra. Diferensi diambil secara diagonal untuk mendapatkan mask yang berbentuk
bujursangkar, dan diperoleh 2 mask mengakomodasi kedua arah diagonal. Hasil
konvolusi citra asal dengan kedua mask tersebut kemudian digabungkan dengan cara
tertentu sehingga menghasilkan nilai yang dapat digunakan untuk menentukan apakah
sebuah titik merupakan tepi objek dalam citra. Biasanya tepi nail (hasil positif) dan tepi
turun (hasil negatif) tidak dibedakan, sehingga diambil nilai absolutnya.
1.3. Sidik Jari
Salah satu bentuk pola dalam mengenali identitas seseorang yaitu dengan
menggunakan pola sidik jari (sistem identifikasi biometrik). Hal ini disebabkan karena
sifat-sifat yang dimiliki sidik jari diantaranya :
1. Perennial nature, yaitu guratan-guratan pada sidik jari yang melekat pada
kulit manusia seumur hidup.
2. Immutability, yaitu sidik jari seseorang tidak pernah berubah, kecuali
mendapatkan kecelakaan yang serius.
3. individuality, pola sidik jari adalah unik dan berbeda untuk setiap orang.
Berdasarkan klasifikasi pola sidik jari dapat dinyatakan secara umum ke dalam 3 bentuk
[2], yaitu :
1. Arch(arcus) bentuknya seperti busur, melengkung, melintang terhadap arah
jari.
2. Loop (sinus) bentuknya seperti tali untuk menjerat, mulai dari pinggir menuju
ke tengah, balik lagi ke pinggir, terbuka ke arah kiri atau kanan jari. Ciri
utama pola ini adalah terdapat sati triple-as yakni satu titik dengan tiga
sumbu.
3. Whorl (vortex) bentuknya seperti pusaran air, terdapat pusat di tengah,
melingkar makin lebar ke pinggir. Ciri utama adalah terdapat dua triple-as
yakni dua buah titik yang masing-masing dengan tiga sumbu.
Arcus Sinus Vortex
Gambar 1. Pola Bentuk Sidik Jari
1.4. Jaringan Syarat Tiruan (JST)
JST dibentuk sebagai generalisasi model matematika dari jaringan otak manusia,
dengan asumsi bahwa :
1. pemrosesan informasi terjadi pada banyak elemen sederhana (neuron).
2. Sinyal dikirim diantara neuron-neuron melalui penghubung-penghubung.
JURNAL INFORMATIKA Vol 6, No. 1, Januari 2012
592
3. Penghubung antar neuron memiliki bobot yang akan memperkuat atau
memperlemah sinyal.
4. Setiap neuron memiliki fungsi aktivasi yang akan menentukan nilai sinyal
output.
Jaringan syaraf dapat digolongkan menjadi berbagai jenis berdasarkan pada
arsitekturnya, yaitu pola hubungan antar neuron-neuron, dan algoritma pelatihannya
(training), yaitu cara penentuan nilai bobot pada penghubung [1].
Salah satu algoritma pelatihan JST yang banyak dimanfaatkan dalam bidang
pengenalan pola adalah backpropagation. Algoritma ini umumnya digunakan pada JST
yang berjenis multi layer feed forward yang tersusun dari beberapa lapisan dan sinyal
dialirkan secara searah dari input dan output.
Algoritma pelatihan backpropagation pada dasarnya terdiri dari tiga tahapan, yaitu :
1. Input nilai data pelatihan sehingga diperoleh nilai output
2. Propagasi balik dari nilai error yg diperoleh
3. penyesuaian bobot koneksi untuk meminimalkan nilai error.
Ketiga tahapan tersebut diulangi terus menerus sampai mendapatkan nilai error yang
diinginkan. Setelah training selesai dilakukan, hanya tahap pertama yang diperlukan
untuk memanfaatkan JST tersebut. Backpropagation memiliki beberapa unit yang ada
dalam satu atau beberapa layar tersembunyi [1] seperti terlihat pada gambar 2.
Gambar 2. Arsitektur Jaringan Backpropagation
Seperti yang digambarkan pada proses pelatihan, maka pada proses pengujian
hanya membutuhkan proses propagasi maju, sinyal masukan (=xi) dipropagasikan ke
layar tersembunyi dengan fungsi aktivasi yang ditentukan. Keluaran dari setiap unit
layar tersembunyi dengan fungsi aktivasi yang ditentukan. Keluaran dari setiap unit
layar tersembunyi (=zj) tersebut selanjutnya dipropagasikan maju lagi ke layar
tersembunyi diatasnya menggunakan fungsi aktivasi tertentu. Demikian seterusnya
hingga menghasilkan keluaran jaringan (=yk). Selanjutnya untuk mencari nilai dari delta
hasil pada pola yang diujikan dapat dilakukan dengan mengurangi nilai input (=xi)
terhadap batas error. Setelah nilai dari delta hasil didapat, dilanjutkan dengan
memandingkan nilai delta terhadap keluaran pada jaringan (=yk). Nilai-nilai
perbandingan itulah yang digunakan untuk mendapatkan nilai biner yang selanjutnya
akan dibandingkan terhadap pola biner pada citra yang sudah dilatih secara berurutan.
Setelah semua citra dibandingkan akan menghasilkan nilai yang paling mendekati
JURNAL INFORMATIKA Vol 6, No. 1, Januari 2012
593
terhadap pola yang sedang diujikan. Hasil nilai perbandingan yang paling mendekati
itulah yang digunakan untuk menentukan pola tersebut terkenali atau tidak [1].
1.5. Representasi Pengetahuan
Tujuan representasi pengetahuan adalah membuat struktur yang digunakan untuk
membantu mengkodekan pengetahuan ke dalam program. Pengetahuan
direpresentasikan ke dalam format tertentu dan akan dihimpun dalam suatu basis
pengetahuan. Pengetahuan-pengetahuan yang mendukung dalam melakukan diagnosa
soal-soal konsultasi direpresentasikan dalam bentuk kaidah produksi dengan
pertimbangan antara lain :
1. Mudah dipahami karena bersifat deklaratif
2. Sesuai dengan jalan berfikir manusia dalam menyelesaikan masalah
3. Mudah dimodifikasi karena berbentuk modular
4. Mudah diinterpretasikan
Pengetahuan yang didapat dari proses akuisisi pengetahuan mengalami beberapa proses
pengolahan sehingga sampai pada bentuk kaidah produksi, yaitu :
1. Membuat tabel keputusan, berguna untuk mendokumentasikan pengetahuan
2. Menyusun kaidah produksi.
Berikut ini akan ditampilkan representasi pengetahuan dari pola sidik jari manusia.
Representasi pengetahuan ini dibentuk dalam tabel keputusan dan kaidah produksi. [5].
Tabel 1: Keputusan [2]
NO DIAGNOSA SINUS VORTEX
1 2 3 4 5 1 2 3 4 5
1. Harga diri, terus terang * * * * *
2. Tanggung jawab, berani derita * * * * *
3. Tipe orang kota besar * * * * *
4. Luwes, ramah, tenggang rasa * * * * *
5. Tenang, jujur, tulus * * * * *
6. Optimis, suka hal baru * * * * *
7. Hormat suka memberi saran * * * * * *
8. Tidak mudah mengalah * * * * *
9. Bebas, tipe orang kota * * * * *
10. Kuat pendirian sendiri * * * * *
11. Segar bersahabat bijaksana * * * * *
12. Setia, mantap, teliti * * * * *
13. Suka pamer, bersenang * * * * *
14. Merendah, suka memaafkan * * * * *
15. Suka menentang, mengejutkan * * * * *
16. Sifat manusia biasa * * * * *
17. Mudah bangkit emosi * * * * *
18. Lembut, sukar memutuskan * * * * *
19. Cepat sesal dan berhenti * * * * *
20. Berdiri sendiri, modern * * * * *
21. Tak pernah bingung, tenang * * * * *
22. Mudah goyah, terharu * * * * *
23. Mudah curiga, khawatir * * * * *
24. Tata cara suka melampaui * * * * *
25. Tulus hati bersemangat * * * * *
26. Peramah, pandai memikat * * * * *
27. Jujur, seksama * * * * *
28. Tulus, teliti * * * * *
29. Terlalu baik untuk satu hal * * * * *
JURNAL INFORMATIKA Vol 6, No. 1, Januari 2012
594
Ket :
1 = Ibu Jari
2 = Jari Telunjuk
3 = Jari Tengah
4 = Jari Manis
5 = Jari Kelingking
2. METODOLOGI PENELITIAN
2.1. Data dan Peralatan Penelitian
Keberhasilan dan keakuaratan hasil penelitian tergantung pada proses
pengambilan data. Data yang diperlukan dalam makalah ini adalah sebagai berikut :
1. Citra atau gambar kelima sidik jari tangan kanan untuk laki-laki dengan ukuran
40 x 40 piksel.
2. Citra atau gambar kelima sidik jari tangan kiri untuk perempuan dengan ukuran
40 x 40 piksel.
OBJEK JARI
IBUJARI TELUNJUK TENGAH MANIS KELINGKING
Putra 1
Putra 2
Putra 3
Putri 1
Putri 2
Gambar 3. Citra kelima sidik jari untuk 3 objek jari tangan putra
dan 2 objek jari tangan putri
Pada makalah ini konfigurasi system yang digunakan untuk
mengimplementasikan perangkat lunak yang dibangun adalah : Komputer IBM PC
dengan Processor Pentium III, Hardisk 40 Gbyte, RAM 128 MByte dan scanner.
Sedangkan sofware yang mendukung pembuatan program aplikasi ini adalah sebagai
berikut: Sistem Operasi Windows XP Professional, Microsoft SQL Server 2000
sebagai penyimpanan data,. Borland Delphi 6 sebagai bahasa untuk perancangn system,
Adobe Photoshop sebagai perangkat untuk mengolah citra dan sebagai perangkat untuk
merancang Interface (antar muka) yang digunakan dalam pemrograman .
2.2. Sistem Pengenalan Pola Sidik Jari
Untuk dapat melatihkan citra dan menghasilkan target serta simuff yang akurat
yang kemudian diuji untuk mengenali pola sidik jari termasuk ke dalam tipe apa
menggunakan algoritma pembelajaran arsitektur Back Propagation sebagai berikut:
1. Ambil Gambar pola sidik jari yang akan dilatih.
JURNAL INFORMATIKA Vol 6, No. 1, Januari 2012
595
2. Nilai maksimum epoh (perulangan)=1000, limit Error = 0.01, Learning
Rate=0.1, dan nilai momentum=0.2.
3. Inisialisasi bobot awal secara random
4. Lakukan selama nilai epoh (perulangan) < maksimum epoh dan nilai MSE >
Target error.
a. Setiap unit input (Xi, i=1,2,...,n, n=40 x 40 =1600) menerima sinyal (0,1) dan
diteruskan ke semua unit pada lapisan tersembunyi, dan lakukan penjumlahan
semua keluaran di unit tersembunyi (zj, j=1,2..p, p=banyaknya jumlah lapisan
tersembunyi (hidden)) dengan sinyal input bobot bias.
b. Setiap unit keluaran Yk =(k=1,2...m, m=40 x 40 =1600) dilakukan
penjumlahan dengan bobot bias.
c. Setiap unit keluaran Yk =(k=1,2...m) menerima pola target yang berhubungan
dengan pola input pembelajaran selanjutnya dilakukan perhitungan kesalahan
(error)
d. Lakukan perubahan bobot, dan perubahan bias.
e. Hitung nilai rata-rata error (mean square error - MSE).
f. Naikan nilai epoh = epoh ++.
g. Ulangi langkah a di atas sampai error jaringan sampai mencapai nilai yang
mendekati target yang diinginkan.
h. Tes Kondisi
5. Simpan Bobot
6. Simpan Identitas
7. Simpan Citra Biner
8. Selesai
Algoritma pengujian terhadap pola sidik jari hsil pelatihan untuk penentuan pola sinus
atau vortex adalah sebagai berikut :
1. Baca jumlah pola yang sudah dilatih.
2. Lakukan mulai dari pola ke-1 (k) sampai seluruh jumlah pola
a. Buka citra ke-k
Lakukan selama lebar citra (i) dan selama tinggi citra (j)
x Baca pixel [i, j]
x Hitung net1 & net2 pada unit tersembunyi
x Hitung delta hasil
x Uji apakah net1 >= delta hasil ?
Jika Ya maka datahasil [i, j]=1
Jika Tidak maka datahasil [i, j]=0
x Uji apakah datahasil [i, j] = Polaujisinus [i, j] ?
Jika Ya maka polacountsinus++
Jika Tidak maka polacountsinus = polacountsinus
x Uji apakah datahasil[i,j]= Polaujivortex[i,j]
Jika Ya maka polacountvortex++
Jika Tidak maka polacountvortex = polacountvortex
b. Uji pola sinus dan vortex
x Hitung nilai PolaHSinus= (Polacountsinus/6400)*100
x Hitung nilai PolaHVortex= (Polacountvortex/6400)*100
JURNAL INFORMATIKA Vol 6, No. 1, Januari 2012
596
3. Uji apakah PolaHSinus < 50 and PolaHVortex < 50,
Jika Ya maka Tampilkan Pola tidak dikenali
Jika Tidak maka Uji apakah polaHSinus > polaHVortex
Jika Ya maka Tampilkan Pola dikenali sebagai sinus
Jika Tidak maka Tampilkan Pola dikenali sebagai Vortex
4. Selesai.
2. 3. Sistem Pengenalan Perilaku dan Kepribadian
Berikut rancangan analogi untuk proses mengoperasikan aplikasi analisis
pengenalan pola sidik jari untuk mengenal perilaku manusia langkah-langkahnya
sebagai berikut :
1. Masukkan terlebih dahulu data basis pengetahuan dengan kendali seorang pakar.
Dimana data ini nantinya akan dipakai sebagai rumusan dalam menentukan
sifat-sifat kepribadian berdasarkan sidik jari.
2. Selanjutnya dalam media komunikasi user yang akan konsultasi disajikan antar
muka untuk mengidentifikasi tipe masing-masing jari.
3. Gambar yang sudah dimasukkan pada tiap-tiap kotak penampungan dari masing-
masing gambar jari dengan format BMP (bitmap), selanjutnya akan dilakukan
perubahan gambar ke bentuk skala keabuan (grayscale).
4. Selanjutnya dilakukan proses pengolahan gambar dengan pendeteksian tepi
(edge detection). Operasi ini digunakan untuk menentukan lokasi titik-titik yang
merupakan tepi objek.
5. Selanjutnya akan ditentukan nilai tengah dari citra input untuk mengambil skala
matriks yang sesuai dengan skala citra target sebagai bentuk perbandingan pada
matriks yang sama.
6. Setelah data untuk penelitan dipersiapkan kemudian sistem akan mulai
melakukan pelatihan terhadap 2 pola default, 1 untuk pola sinus dan 1 untuk
pola vortex pada masing-masing yang disediakan dalam image yang di lekatkan
(embed) pada program, dimana nilai lapisan tersembunyi serta konstanta
belajarnya dirubah secara otomatis hingga mendapatkan konvergensi terbaik.
7. Selanjutnya dari hasil pelatihan tersebut kemudian pola masukan akan diuji
mulai dari gambar ibu jari sampai jari kelingking.
8. Setelah pola tekenali sebagai pola sinus atau vortex user bisa melakukan proses
konsultasi kepribadian dan perilaku, jika pola tidak terkenali maka input data
sidik jari dapat diulang.
3. HASIL DAN PEMBAHASAN
Pada makalah ini, proses untuk pengolahan citra sidik jari (proses scanning,
perubahan ukuran atau resolusi dan pemberian nama setiap jari) dilakukan terpisah dari
sitem aplikasi ini. Kevalidan data citra sidik jari yang digunakan untuk proses konsultasi
sangat tergantung pada pengguna system ini (user), karena system ini tidak mendeteksi
tentang kepemilikan dari citra sidik jari dan ketepatan pemberian nama untuk masing-
masing jari. Dalam proses pengambilan citra sidik jari dari storage kita berasumsi telah
tepat menempatkan ke dalam aplikasi, sehingga saat sistem mengenali kepribadian
seseorang dianggap telah sesuai dengan sidik jari dari pemiliknya. Hasil pengujian
JURNAL INFORMATIKA Vol 6, No. 1, Januari 2012
597
terhadap sidik jari tangan dari objek putra yang diujikan dapat dilihat pada Gambar 4
dan Objek putri dapat dilihat pada Gambar 5.
Gambar 4. Hasil pengujian terhadap sidik jari tangan dari objek putra yang diujikan
Gambar 5. Hasil pengujian terhadap sidik jari tangan dari objek putri yang diujikan
JURNAL INFORMATIKA Vol 6, No. 1, Januari 2012
598
4. SIMPULAN
Dari hasil pengujian pengenalan bentuk pola sidik jari diperoleh beberapa kesimpuan
sebagai berikut :
1. Keberhasilan pendeteksian pola ini sangat dipengaruhi dari tahapan proses scanning data
awal sebelum dilakukan pelatihan pola.
2. Dari hasil pengujian citra sidik jari, pengenalan pola didasarkan pada prosentasi
pengenalan pola dengan ketentuan prosentasi diatas 50% pola sidik jari kita pastikan
sebagai pola sinus atau vortex.
3. Keakuratan dari hasil diagnosa kepribadian ini sangat dipengaruhi oleh keberhasilan
sistem dalam mengenali sidik jari sebagai pola vortex atau sinus sehingga proses scaning
merupakan proses yang sangat penting.
4. Agar hasil pengujian citra sidik jari hanya dapat dikenali sebagai salah satu jenis pola saja
maka perlu dilakukan pengujian dengan ukuran citra yang lebih besar.
DAFTAR PUSTAKA
[1] Siang J, Jaringan Syaraf Tiruan & Pemrogramannya Menggunakan Matlab, Andi
Offset, Yogyakarta, 2005.
[2] Kastama E, Variasi Perilaku Manusia Menurut Sidik Jarinya, Fakultas Ekonomi UI,
Jakarta, 2000.
[3] 6HW\DQLQJVLK� (�� ´0HQJHQDOL� %HQWXN� 3ROD� 6LGLN� -DUL� 6LQXV� GDQ� 9RUWH[� 0HQJJXQDNDQ�
-DULQJDQ�6\DUDI�7LUXD´, ACADEMIA ISTA, Vol. 10 Edisi Khusus, Februari 2005
[4] Gonzales R C., Digital Image Processing Using Matlab, Pearson Education, Inc, India,
2005.
[5] Kusuma S, Artificial Intelligence (Teknik dan Aplikasinya), edisi pertama, Penerbit
Graha Ilmu, Yoyakarta, 2003
[5] Ahmad B., dan Firdaus, K., Teknik Pengolahan Citra Digital Menggunakan Delphi, Ardi
Publishing, Yogyakarta, 2005.